自抗扰PID四旋翼飞行器控制方法研究

针对传统PID控制算法不能很好地适应非线性被控系统、鲁棒性较弱、抗扰能力差等缺点,提出了一种基于传统PID控制与自抗扰控制结合的四旋翼飞行器控制方法。在传统PID控制器的基础上,对飞行器姿态解算过程中的不确定因素和外界干扰予以实时的观测和补偿。最后在Simulink中分别搭建传统串级PID控制器和自抗扰PID控制器的仿真模型,通过分析仿真结果得出自抗扰PID控制器的响应时间比传统串级PID控制器快约30%,稳态误差较传统串级PID控制器降低约15%,超调量降低约20%。由此得出自抗扰PID四旋翼飞行器控制方法能够很好地适应四旋翼飞行器非线性系统,达到抑制外界干扰以及补偿系统控制误差的效果。     

航天器姿态机动及稳定的自抗扰控制

针对航天器动力学参数不确定性以及系统存在外部持续干扰的问题, 提出了一种自抗扰姿态控制器的设计方法. 在为期望姿态安排过渡过程的基础上, 设计了扩张状态观测器, 对参数不确定性和外部干扰进行估计, 并实时补偿. 为抑制跟踪误差, 设计了非线性状态误差反馈律. 仿真结果表明, 该控制器不仅能很好地估计并补偿系统受到的持续干扰, 而且对航天器动力学参数的不确定性具有较强的鲁棒性, 满足航天器姿态快速机动和高稳定度的控制要求, 性能指标明显优于PD控制.     

基于串级ADRC的飞行器控制器设计与扰动估计

针对四旋翼飞行器的不确定性和外界环境干扰等问题,设计串级自抗扰控制器。在分析飞行器动力学模型的基础上,利用非线性自抗扰对姿态环(内环)进行解耦,同时对位置环（外环）设计线性自抗扰控制器,组成双闭环系统。设计扩张观测器对内外环的总扰动进行估计与补偿,通过仿真平台利用定点悬停实验对所设计的控制器进行验证,并与PD ADRC串级控制器进行对比分析,结果表明,所设计的控制器跟踪速度较快,抗扰能力较强。     

四旋翼飞行器的自抗扰控制方法研究

为了检验自抗扰控制方法是否可以应用在四旋翼飞行器飞行控制系统。介绍了自抗扰控制器的原理以及基本组成。针对四旋翼飞行器低速飞行或悬停状态,提出了一种基于自抗扰控制器的控制系统设计方法并在仿真平台上进行稳定控制、高度控制实验,以及与PID控制系统进行对比分析实验。仿真结果表明：基于自抗扰的四旋翼飞行器控制系统具有较好的动态品质、稳态精度以及较强的鲁棒性,本文所设计自抗扰控制器可应用在四旋翼飞行控制系统。     

推力矢量可倾转四旋翼自抗扰飞行控制方法

针对常规四旋翼难以实现位置和姿态独立控制问题, 研究了一种具有全向推力矢量的可倾转四旋翼飞行 器系统. 为克服系统的大范围不确定性、强耦合性及外部风扰影响, 设计了基于自抗扰控制(ADRC)技术的飞行控 制器. 通过建立风扰下的系统动力学模型, 分析阵风对旋翼气动力的影响. 接着将系统解耦为六通道单回路结构并 分别设计自抗扰控制器, 引入扩张状态观测器估计系统的内外扰动, 利用非线性状态误差反馈律输出扰动补偿控 制. 在此基础上, 通过变量代换线性化控制分配矩阵, 将控制器输出直接映射到旋翼转速和倾转角. 仿真结果表明, 所设计的自抗扰飞行控制器具有良好的位置和姿态独立控制能力, 能够有效地估计和补偿紊流风扰动, 同时对系统 的部分动力失效故障有较强的鲁棒性.     

基于自抗扰技术的四旋翼飞行器视觉伺服控制器设计

基于自抗扰控制技术的四旋翼飞行器视觉伺服控制器克服了惯性传感器无法获取位置信息的缺点,提高了飞行器的灵活性,能够胜任更复杂的任务;文章主要针对基于四旋翼无人飞行器的视觉伺服控制技术问题展开相关研究;选用基于HSV颜色空间的颜色特征提取的方法实现目标跟踪,再通过三角形法则确定飞行器与目标在世界坐标下的相对位置,最后引入自抗扰控制技术设计了水平位置控制器与姿态控制器;通过实验结果分析,文章设计的飞行器视觉伺服控制器可以准确地跟踪目标并实施高精度定位,并且控制系统鲁棒性强,跟踪误差小,能够有效地完成视觉伺服控制任务。     

微型飞行器的自抗扰控制器设计

微型飞行器具有高度的非线性特性,且气动参数具有不确定性,难以建立精确的数学模型;为实现其姿态、速度、以及高度的精确鲁棒控制,基于自抗扰控制方法设计了微型飞行器速度回路和高度回路的控制器;首先建立了微型飞行器的非线性模型,然后利用扩张状态观测器对飞行器状态和气动不确定性因素进行了估计,并通过非线性反馈对模型不确定性部分和状态耦合进行补偿,实现了纵向通道的解耦控制;通过仿真对所设计的控制器进行性能验证,结果表明自抗扰控制器能够实现对微型飞行器的快速稳定控制,且不依赖于精确的飞行器数学模型,具有良好的鲁棒性。     

立方体机器人自抗扰平衡控制方法

针对立方体机器人动力学模型多变量、强耦合的问题,提出一种基于自抗扰控制的平衡控制器设计方法.引入虚拟控制量,并在控制量与输出向量之间并行地嵌入多个自抗扰控制器,从而实现对多变量系统的解耦控制,将系统的动态耦合和外部扰动视为各自通道上的自抗扰控制器的总扰动,在为期望姿态安排过渡过程基础上,设计扩张状态观测器对总扰动进行估计并实时补偿.综合采用经验试凑法和带宽法对控制器参数进行整定,对自抗扰控制器系统进行稳定控制、姿态跟踪、抗扰性和鲁棒性实验,并与PID控制系统进行定量对比分析.仿真结果表明,所设计的自抗扰控制器不仅能有效实现立方体机器人的平衡控制,而且较PID控制器具有更好的响应速度、控制精度和强鲁棒性.     

基于自适应RBFNN噪声估计的自抗扰控制在姿态控制中的应用

针对旋翼飞行多关节机械臂内部参数不确定性、外部环境和自身机械臂规划运动对飞行平台的干扰问题设计了一种姿态控制方法.首先将跟踪微分器作为期望姿态角的过渡过程,利用自适应RBFNN(径向基函数神经网络)算法对旋翼飞行多关节机械臂内、外部干扰进行逼近估计并实时补偿.然后采用非线性状态误差反馈控制来实现旋翼飞行多关节机械臂的姿态跟踪控制,并利用李亚普诺夫函数进行稳定性分析.最后,在仿真平台上实现该算法,将其仿真结果分别与PID(比例-积分-微分)控制、传统自抗扰控制(ARDC)进行比较分析.并且在实际旋翼飞行多关节机械臂系统上进行了实验,在0.4 s之内三轴姿态角可从0快速跟踪到0.6 rad且无超调.该算法对各通道的扰动有较强的抗干扰性,对系统参数有较强的鲁棒性,并且明显优于ARDC和PID算法.结果说明该算法能有效地解决系统不确定性干扰问题以实现姿态角的准确、快速跟踪.     

四旋翼飞行器自适应滑模控制设计

针对四旋翼飞行器姿态模型建模误差以及外部扰动不确定性的特点,提出了一种基于自适应滑模的非线性控制器。采用参数自适应控制方法逼近系统中的建模误差项,滑模控制方法进一步抵消系统建模误差以及外部不确定扰动项。并采用李雅普诺夫稳定法证明了所设计的控制器能够实现全局渐近稳定。最后,通过四旋翼姿态飞行实验,验证了文中所提出控制方法的有效性,能够实现小型四旋翼姿态的稳定控制,其抗扰性能优于传统PID控制。     

实用自抗扰控制在大时滞厚度自动监控系统中的应用

针对热连轧监控AGC(自动厚度控制)大时滞系统具有不确定和干扰因素多等特点, 采用线性降阶模型及参数优化设计, 提出一种实用自抗扰控制(ADRC)控制方案, 以满足简单、实用、好调、节能等工业界的要求. 通过对被控对象和状态观测器的降阶, 使得系统总扰动(内部不确定性、外部扰动) 的实时估计由一个仅为一阶的扩张状态观测器就可实现. 为了把所设计的实用ADRC与常规ADRC、常规Smith预估器和PID控制器进行公平比较, 各控制器的最佳参数均采用变尺度混沌优化方法得到. 仿真结果表明, 两种ADRC的抗扰性和鲁棒性优于常规的Smith预估器和PID控制器. 与常规ADRC相比, 实用ADRC的可调参数大大减少, 能耗指标也明显降低, 为下一步的工程实现提供了途径.     

热连轧板宽板厚的实用自抗扰解耦控制

针对热连轧板宽板厚多变量系统存在强耦合、大时滞和随机不确定等难题,提出了一种线性自抗扰动态解耦方案.考虑到系统的大时滞问题,在常规的降阶扩张状态观测器(ESO)之前,增加了一个纯时滞环节.为了把所设计的实用自抗扰控制(ADRC)与常规PID控制器进行公平比较,各控制器的最佳参数均采用变尺度混沌优化方法得到.仿真结果表明,优化后的ADRC不仅具有较好的解耦性能,而且对模型参数的不确定性和外扰具有较强的鲁棒性和参数适应性.     

适应扰动的无人直升机姿态跟踪控制

无人直升机在实际飞行过程中,会受到阵风等外界因素的干扰,并且模型不确定性也会对控制效果带来不利影响.为应对这些挑战,本文设计了一种基于扩张状态观测器的自抗扰反步控制器.首先,建立了无人直升机姿态动力学模型.随后,引入扩张状态观测器,用以实时观测由外界扰动和模型不确定性组成的总和扰动.观测得到的总和扰动估计值与基于Lyapunov函数的反步法控制器控制算法相结合,用以消除总和扰动的影响,使得无人直升机在各种飞行条件下均能对运动指令进行快速和准确的跟踪.最后,仿真研究和飞行实验验证了该控制律的有效性.与同等条件下的PID控制器相比,该控制律表现出更优的飞行性能.     

基于扩张状态观测器的UCAV自适应滑模控制

针对固定翼UCAV（Unmanned Combat Aerial Vehicle）系统中存在的不确定性和外部扰动，设计了一种基于扩张状态观测器的自适应超扭曲滑模控制器用来抑制系统扰动，从而提高对于UCAV的控制性能。建立固定翼UCAV的六自由度非线性模型，针对姿态控制和速度控制分别设计扩张状态观测器对模型中难以精确测量的状态量和外部扰动进行估计，依据奇异摄动原理分别对姿态和速度设计自适应超扭曲滑模控制器，实现对UCAV的姿态和速度的跟踪控制。采用某型固定翼UCAV非线性模型对所设计的控制器进行仿真验证，并且与传统的自抗扰滑模控制方法进行了对比，仿真结果表明，基于扩张状态观测器的自适应超扭曲滑模控制器具有更小的超调量和稳态误差。     

Robust controller design for uncertain delayed systems and its applications to hypersonic vehicles

The longitudinal dynamics of hypersonic flight vehicles involves strong nonlinearity and coupling, uncertainties including parametric uncertainties, unmodeled uncertainties, external disturbances, and time‐varying input and state time delays. In this paper, a robust controller design method is proposed for the longitudinal stabilization of these vehicles by the signal‐compensation‐based control idea. Theoretical analysis is given to prove the robustness properties of the designed closed‐loop control system subject to multiple time‐varying uncertainties and time‐varying input and state delays. Simulation results are performed to show the validness and advantages of the proposed robust control approach.     

无人直升机的姿态增强学习控制设计与验证

针对小型无人直升机的姿态控制问题,考虑到现有基于模型的控制方法对直升机动力学模型的先验信息依赖较大,以及未建模动态系统的影响等问题,设计了一种基于增强学习(RL)的飞行控制算法.仅利用直升机的在线飞行数据,补偿了未建模不确定性的影响.同时为了抑制外界扰动,提高系统的鲁棒性,设计了一种基于误差符号函数积分的鲁棒(RISE)控制算法.将两种算法结合,并利用基于Lyapunov分析的方法,证明了无人机姿态控制误差的半全局渐近收敛.最后在无人直升机飞行控制实验平台上,进行了姿态控制的实时实验验证.实验结果表明,本文提出的控制方法具有良好的控制效果,对系统不确定性和外界风扰具有良好鲁棒性.     

基于神经网络的无人机姿态自适应控制仿真

针对四旋翼无人机姿态控制中模型不完整、部分参数和扰动不确定的问题,提出了一种基于神经网络的自适应控制方法,采用RBF神经网络对无人机姿态动力学模型中不确定和扰动部分进行学习,设计了以类反步法为基础,包含反馈控制和神经网络控制的自适应控制器,实现了对未知动态的准确逼近,解决了传统控制方法中过于依赖精确模型的问题。同时设计了神经网络的权值自适应律,实现了控制过程中的在线学习和调整,并且通过李雅普诺夫方法证明了闭环系统的稳定性。仿真结果表明,在存在较大扰动的情况下,上述控制器可得到很好的控制效果,可以实现误差的快速收敛,具有较好的鲁棒性和自适应性。     

Robust dynamic surface trajectory tracking control for a quadrotor UAV via extended state observer

In this paper, we present an extended state observer–based robust dynamic surface trajectory tracking controller for a quadrotor unmanned aerial vehicle subject to parametric uncertainties and external disturbances. First, the original cascaded dynamics of a quadrotor unmanned aerial vehicle is formulated in a strict form with lumped disturbances to facilitate the backstepping design. Second, based on the separate outer‐ and inner‐loop control methodologies, the extended state observers are constructed to online estimate the unmeasurable velocity states and lumped disturbances existed in translational and rotational dynamics, respectively. Third, to overcome the problem of “explosion of complexity” inherent in backstepping control, the technique of dynamic surface control is utilized for trajectory tracking and attitude stabilization, and with the velocity and disturbance estimates incorporated into the dynamic surface control, a robust dynamic surface flight controller that guarantees asymptotic tracking in the presence of lumped disturbances is synthesized. In addition, the stability analysis is given, showing that the present robust controller can ensure the ultimate boundedness of all signals in the closed‐loop system and make the tracking errors arbitrarily small. Finally, comparisons and extensive simulations under different flight scenarios are performed to validate the effectiveness and superiority of the proposed scheme in accurate tracking performance and enhanced antidisturbance capability.     

Modeling and Robust Backstepping Sliding Mode Control with Adaptive RBFNN for a Novel Coaxial Eight-rotor UAV

This paper focuses on the robust attitude control of a novel coaxial eight-rotor unmanned aerial vehicles (UAV) which has higher drive capability as well as greater robustness against disturbances than quad-rotor UAV. The dynamical and kinematical model for the coaxial eight-rotor UAV is developed, which has never been proposed before. A robust backstepping sliding mode controller (BSMC) with adaptive radial basis function neural network (RBFNN) is proposed to control the attitude of the eightrotor UAV in the presence of model uncertainties and external disturbances. The combinative method of backstepping control and sliding mode control has improved robustness and simplified design procedure benefiting from the advantages of both controllers. The adaptive RBFNN as the uncertainty observer can effectively estimate the lumped uncertainties without the knowledge of their bounds for the eight-rotor UAV. Additionally, the adaptive learning algorithm, which can learn the parameters of RBFNN online and compensate the approximation error, is derived using Lyapunov stability theorem. And then the uniformly ultimate stability of the eight-rotor system is proved. Finally, simulation results demonstrate the validity of the proposed robust control method adopted in the novel coaxial eight-rotor UAV in the case of model uncertainties and external disturbances.